[發明專利]一種媒體信息流行度的預測方法、系統及裝置

在審

• 申請號: 201810871271.2
• 申請日: 2018-08-02
• 公開（公告）號: CN109086932A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 劉文印;陳俊洪;林澤航;黃費濤
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種媒體信息流行度的預測方法，其特征在于，包括：

預先獲取社交媒體平臺以往的多條媒體信息，并將所有媒體信息分別輸入至基于不同流行度預測算法的多個預測模型，以對多個所述預測模型進行訓練，得到多個訓練好的預測模型及其分別求取的每條媒體信息的流行度預測結果；

將所有流行度預測結果與以往的所有媒體信息共同輸入至其中任意一個訓練好的預測模型，再次訓練預測得到最終的流行度預測結果，以完成多個所述預測模型的模型堆疊預訓練，得到一個訓練好的堆疊總模型；

獲取所述社交媒體平臺當前的媒體信息，并將當前的所述媒體信息輸入至所述堆疊總模型中預測出該媒體信息的流行度，以供各出版社參考。

2.如權利要求1所述的媒體信息流行度的預測方法，其特征在于，該預測方法還包括：

將最終的所述流行度預測結果與以往的所有媒體信息對應的真實流行度作均方差，并根據均方差大小評估所述堆疊總模型的性能。

3.如權利要求1所述的媒體信息流行度的預測方法，其特征在于，每條媒體信息均包括描述內容和/或內容類別和/或內容子類別和/或信息標簽和/或信息抽象概念和/或發布時間和/或信息類別和/或發表地理位置。

4.如權利要求3所述的媒體信息流行度的預測方法，其特征在于，每條所述媒體信息還包括用戶名稱和/或用戶關注度和/或用戶粉絲數。

5.如權利要求1-4任一項所述的媒體信息流行度的預測方法，其特征在于，多個所述預測模型包括LGBM模型、XGBoost模型及Random forest模型。

6.如權利要求5所述的媒體信息流行度的預測方法，其特征在于，所述將所有流行度預測結果與以往的所有媒體信息共同輸入至其中任意一個訓練好的預測模型，再次訓練預測得到最終的流行度預測結果的過程具體為：

將所有流行度預測結果與以往的所有媒體信息共同輸入至所述Random forest模型，再次訓練預測得到最終的流行度預測結果。

7.一種媒體信息流行度的預測系統，其特征在于，包括：

模型訓練單元，用于預先獲取社交媒體平臺以往的多條媒體信息，并將所有媒體信息分別輸入至基于不同流行度預測算法的多個預測模型，以對多個所述預測模型進行訓練，得到多個訓練好的預測模型及其分別求取的每條媒體信息的流行度預測結果；

總模型獲取單元，用于將所有流行度預測結果與以往的所有媒體信息共同輸入至其中任意一個訓練好的預測模型，再次訓練預測得到最終的流行度預測結果，以完成多個所述預測模型的模型堆疊預訓練，得到一個訓練好的堆疊總模型；

流行度預測單元，用于獲取所述社交媒體平臺當前的媒體信息，并將當前的所述媒體信息輸入至所述堆疊總模型中預測出該媒體信息的流行度，以供各出版社參考。

8.如權利要求7所述的媒體信息流行度的預測系統，其特征在于，該預測系統還包括：

性能評估單元，用于將最終的所述流行度預測結果與以往的所有媒體信息對應的真實流行度作均方差，并根據均方差大小評估所述堆疊總模型的性能。

9.如權利要求7-8任一項所述的媒體信息流行度的預測系統，其特征在于，多個所述預測模型包括LGBM模型、XGBoost模型及Random forest模型。

10.一種媒體信息流行度的預測裝置，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1-6任一項所述媒體信息流行度的預測方法的步驟。